数学建模优化理论与方法.ppt

下面介绍一种求解背包问题的贪婪算法（greedy algorithm） 1、关联矩阵法 方案预期结果例表 逐对比较法例表 评价尺度例表 关联矩阵表（逐对比较法） 古林法求ωj 例表 古林法求Vij例表 古林法求Vij例表（续） 关联矩阵例表（古林法） 三、层次分析（AHP）法 AHP方法的基本工具——判断矩阵 判断矩阵及其分析处理举例 判断矩阵及其分析处理举例（续） 求综合重要度（加权和） AHP方法步骤 四、模糊综合评判法（1） 四、模糊综合评判法（2） 四、模糊综合评判法（3） 转回第(2)步。 否则，停止迭代，得所要的点 X(k) 。 4.6.2 障碍函数法(内点法） 罚函数法的一个重要特点，就是函数 P(X,M) 可在整个 En 空间内进行优化，可以任意选择初始点，这给计算带来了很大 方便。但由于迭代过程常常是在可行域外进行，因而不能以中 间结果直接作为近似解使用。 如果要求每次的近似解都是可行解，以便观察目标函数值 的改善情况；或者，如果目标函数在可行域外的性质比较复杂， 甚至没有定义，这时就无法使用上面所述的罚函数法了。 障碍函数法与罚函数法不同，它要求迭代过程始终在可行 域内部进行。 考虑非线性规划（4.3），当 X 点从可行域 R 内部趋于其 边界时，至少有某一个约束函数 趋于零。 从而，下述倒数函数 和对数函数 都将无限增大。如果把式 (4.17) 或 (4.18) 加到非线性规划 (4.3) 的目标函数上，就能构成新的目标函数—障碍函数。 或 如果从某一点 出发，求下列无约束极小化问题 则随着障碍因子 的逐渐减小，即 障碍项所起的作用也越来越小，因而，求出的问题（4.21）的 解 就会逐步逼近原约束问题 (4.3) 的极小解。 障碍函数法的迭代步骤如下： （1）取第一个障碍因子 ，允许误差 ， 并令 k:=1 。 （2）构造障碍函数，可采取 (4.19) 或 (4.20) 。 （3）对障碍函数进行无约束极小化，设所得解为 。 （4）检查是否满足收敛准则： 或 如果满足此准则，则以 X(k) 为原约束问题的近似极小解，停 止迭代；否则，取 rk+1 rk ，令 k:=k+1 , 转回第（3）步继续进 行迭代。 五. 动态规划 动态规划是解决多阶段决策过程最优化问题的一 种方法。该方法是由美国数学家贝尔曼等人在 20 世 纪 50 年代初提出的。他们针对多阶段决策问题的特 点，提出了解决这类问题的最优化原理，并成功地解 决了生产管理、工程技术等方面的许多实际问题。 多阶段决策问题的特点是整个决策过程可以分为 好几个彼此有联系的阶段，而每一个阶段都有多于一 个的小方案需要选择确定，决策者需要在可供选择的 小方案中选出其中的一个最优方案，使其效果在预定 的目标下达到最好。 A 5 B D F C E 11 12 10 6 7 一个简单的多级决策：有某 旅行者从 A 地出发到 F 地， 可以选择两条路线，一是途 经 B 地，D 地到 F ;另一是途 经 C 地，E 地到 F (如图),每 段路程所需的费用在图中标 出。这个问题是以总旅费达到最小作为目标，显然应选择： A C E F。 整个规划的目标是使得最终结果达到最优，这就意味 着，某一段作出的决策，就这个阶段来说，并不一定是一个 最优的选择，甚至要作出某些牺牲（如上例第一段）。但是 由于各阶段的相互影响，到最后却会得到一个最优的结果。 相反，在这一阶段选择了一个最优的决策，并不等于最后得 到最优结果，这就是动态规划的特点。 使用动态规划方法解决多阶段决策问题，首先要将实际 问题写成动态规划模型，此时要用到以下概念： （1）阶段；（2）状态；（3）决策和策略；（4）状态转 移；（5）指标函数。 下面我们结合以下例题说明这些概念。 例 5.1 最短路线问题。 如图所示，给定一个线路网络图，要从 A 地向 F 地铺 设一条输油管道，各点间连线上的数字表示距离，问应选择 什么线路，可使总距离最短？ A 4 6 8 3 3 5 4 2 5 B1 B2 E2 F D1 E1 C1 C